基于二次分解因果分析和深度学习的短期风电功率预测

为实现精准的风电功率预测,提出了一种基于二次分解因果分析和深度学习的风电功率预测模型。首先,通过完备集成经验模态分解算法对风电功率和风速序列进行一次分解,并采用经验小波变换算法对风电功率和风速序列的高频分量进行二次分解,以降低原始序列的复杂程度。其次,通过Granger因果关系检验方法对各风速分量与风电功率分量进行因果分析,以此实现风电功率各分量的输入变量选择。最后,利用耦合注意力机制的双向门控循环单元对风电功率分量进行预测,并集成得到最终的风电功率预测结果。通过风电厂实际运行数据进行试验,并与多个典型模型进行比较,结果表明所提模型具有较高的预测精度,其决定系数达到了0.98,能够实现较精准的风电功率预测。

基于粒子群优化的长短期记忆神经网络电力负荷预测模型

针对电力系统中的电力负荷预测问题,提出了一种基于粒子群优化(particle swarm optimization,PSO)的长短期记忆(long short-term memory,LSTM)神经网络模型,旨在提高电力负荷预测的准确性和稳定性。在实证研究中验证了该模型在电力负荷预测任务中的性能,实验结果表明:相较于传统方法,基于粒子群优化的长短期记忆神经网络模型表现出更高的准确性和稳定性,能够较为准确地预测电力负荷。这一研究为电力系统的运行与管理提供了新视角和新方法,并为未来电力负荷预测提供了有价值的参考思路。

面向新型电力系统的需求响应机制探析

中国率先建立了以新的能源为主的新型电力体系,为实现“碳达峰”、“碳中和”打下了良好的基础。但是,新型电力供应方式在一定程度上降低了电网的适应性,使得电网的均衡面临着很大的挑战。目前,电网调控容量严重不足,是目前新电网所面对的最大难题。由于“双碳计划”的迅速实施以及新能源的开发,新型电力系统对其发展的趋势、分类方式、研究现状以及今后的适应能力等都有很强的现实意义。首先,从新型电网条件下,对需求反应所能起到的功能进行了剖析,并指出了需要反应的特点;其次,根据目前的需求反应机制种类繁多、分类不明的特点,将其分为两大类:基于用户的实际负荷曲线特性,另一类是直接评价型,另一类是非直接评价型,并对各种类型的需求反应机制进行了综述;然后,通过对各种机制的适用性进行了研究,并比较了其在新的电网环境中的优越性,并提出了一些亟待解决的问题;并对未来的发展前景进行了预测。

面向新型电力系统的虚拟电厂商业模式与关键技术

虚拟电厂(VPP)是实施需求回应工程的重要组成部分,基于先进的测量、通信和控制技术,可在一定程度上提高电力系统的弹性及运行效率。VPP能够聚集大量DER,从而使其具有更大的响应能力,能够参加电力市场的交易,从而在各种时空条件下实现负荷端的灵活资源的最优分配。在大市场一体化、电力市场化改革深入推进的环境下,对VPP进行相关的探讨是很有实际意义的。

低调频容量高比例新能源主导局部电网低频失稳分析

新型电力设备普遍采用较长的传输电缆、高变压器升压并网等效阻抗特性,所以需要侧重低调频容量高比例的新能源主导局部电网低频失稳研究,需要保证电力稳定传输。

提升新能源消纳能力的集中式与分布式电池储能协同规划

由于电力系统中新能源所占比例的日益增大,电力系统的随机性及波动性对电力系统的安全、可靠的运营提出了更高的要求。因此,如何在电力网络中进行电池储能系统的合理分配,对于提高新能源的消纳与利用具有十分关键的意义。从输配电网的总体层面上,人们提出了对集中式和分布式电池储能的统一优化方法,包括了:将集中式电池储能接入输电网、分布式电池储能接入配电网。也可以把整体的难题划分为集中式储能优化配置、以及不同配电网层分布式存储的改善分配子难题。为平衡二级间的有功和无功之间的关系,提出了一种计及无功功率的输电网线性化潮流模型。根据主问题与子问题的性质,采用了一种新的分析方法来解决问题。